边缘计算与大数据湖在上海轨交的应用-上海轨道交通大数据中心_19页_1mb

上海地铁边缘计算与数据湖在轨道交通的应用总结

边缘计算概述

边缘计算是一种将IT服务环境和云计算能力部署在网络边缘的分布式平台。其核心理念是计算资源靠近数据源和用户，以实现低延迟、实时响应及高效数据处理。在轨道交通领域，边缘计算被广泛应用于对现场安全要求高且需支持断网运行的场景，作为云计算的补充和延伸，提供智能化的数据处理能力。

边缘计算特性

1. 位置感知：边缘设备与终端处于同一局域网或总线，部分路由器/网关即为边缘设备，确保计算节点贴近数据生成点。
2. 隐私保护：通过本地数据采集、分析与处理，减少公共网络暴露风险，保障数据安全。
3. 低带宽运行：将部分计算任务迁移至边缘节点，降低对中心服务器带宽的依赖，尤其适用于数据传输受限的场景。
4. 实时响应：强调低延迟特性，适用于需即时决策的轨道交通系统（如信号控制）。
5. 可扩展性：系统可灵活应对业务需求变化，支持动态扩展与重构。

数据湖定义与应用

数据湖是集中式存储平台，兼容结构化、半结构化及非结构化数据，无需预定义Schema，直接按原始形态保存。其优势包括：

• 无缝对接分析平台：支持Hadoop生态，允许对原始数据进行即时分析与处理。
• 全生命周期管理：覆盖数据从采集、存储到应用的全过程，提升数据利用率。
• 灵活数据处理：通过细粒度数据收集与分析，支持多场景需求，如客流预测、设备故障预警等。

数据湖与数仓的融合（湖仓一体）

湖仓一体结合数据湖的灵活存储与数据仓库的高效查询，解决传统数据处理的局限性：

• 数据类型支持：覆盖结构化、半结构化及非结构化数据，突破数仓仅处理结构化数据的限制。
• 数据处理能力：支持原始数据驱动的分析模式，简化上卷与钻取操作，提升系统敏捷性。
• 架构优势：避免数据重构需求，兼容复杂数据类型，便于模型重建与数据治理。
• 安全性提升：通过数据分级、权限管理及加密技术，增强数据访问与存储的安全性。

具体应用场景

1. 信号系统

   • 移动闭塞控制：通过道岔、信号机等数据测算，将闭塞结果实时发送至车辆，车辆依据数据计算运行速度与距离。
   • 进路管理：MAU（移动授权单元）通过请求PMI（进路授权单元）解锁进路，动态调整LMA（逻辑移动授权）范围，确保列车安全运行。
   • 故障防护：在信号机显示绿灯或红灯状态下，通过边缘计算实现过冲防护与状态监控。

2. 自动售检票系统

   • 脱机票务处理：基于RFID技术及密钥保护，闸机独立完成票价计算与扣款，实现乘客快速通行。
   • 黑名单管理：通过读写器验证票卡合法性，执行锁卡与标签操作。
   • 数据监控与分析：交易数据上传至数据湖，结合状态分析辅助决策，参数分发减轻中心压力。

湖仓一体的架构与功能

• 数据分层管理：
  • 感知层：包含各类传感器数据（如CCTV视频、车载设备信息）及离线/实时采集数据。
  • 整合层：统一调度结构化数据（如调度日志、文本文档）与非结构化数据（如图片、语音）。
  • 指标层：生成实时指标、事件数据，并通过可视化工具呈现。
• 技术支撑：
  • 存储与计算：采用分布式存储系统（RDB、NoSQL、块存储等）及消息队列技术。
  • 数据治理：制定统一数据标准与分级分类管理规范，支持元数据管理与数据地图构建。
  • 应用集群：涵盖建管、运管、维保、企管及资源经营五大场景，如线网停运评估、设备故障预警等。

应用价值与趋势

• 智能化升级：通过边缘计算与数据湖结合，实现轨道交通系统的实时响应与数据驱动决策。
• 高安全性：数据本地处理与加密机制保障票务资金及运营数据安全。
• 灵活性与扩展性：支持多场景数据应用，简化系统重构流程，适应业务需求变化。
• 未来方向：随着技术迭代，湖仓一体模式更贴合轨道交通的复杂数据管理需求，推动数字底座建设与AI分析发展。